مدلسازی فرکانسی وقوع زلزله ها با استفاده از تابع تبدیل فوریه
محل انتشار: فصلنامه مدل سازی در مهندسی، دوره: 19، شماره: 64
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 655
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JME-19-64_001
تاریخ نمایه سازی: 3 آذر 1400
چکیده مقاله:
برآورد قابل اعتماد و دقیق از دوره بازگشت زلزله ها در یک منطقه مشخص، همواره به عنوان یک چالش در مهندسی زلزله مطرح بوده است. به طور معمول، از قانون گوتنبرگ-ریشتر برای تعیین فرکانس متوسط رویداد زلزله با بزرگی بیشتر یا مساوی با یک مقدار مشخص استفاده می شود. دوره بازگشت حاصل از قانون گوتنبرگ-ریشتر، مقداری متوسط است و تعیین جزئیات کامل از دوره های بازگشت شامل دوره های کوتاه مدت، میان مدت و بلند مدت زلزله به کمک این روش امکان پذیر نیست. لذا در این مطالعه، امکان استفاده از تابع تبدیل فوریه برای مدلسازی فرکانسی وقوع زلزله و تعیین فرکانس های آن، مورد بررسی قرار گرفته است. بدین منظور، از مجموع توابع سینوسی با مقادیر مختلف دامنه، فرکانس و فاز به عنوان مدل فرکانسی استفاده شد. برای پیاده-سازی روش پیشنهادی، از کاتالوگ زلزله های با بزرگی بیشتر از ۸/۳ در مقیاس ناتلی که در شعاع ۵۰ کیلومتری مرکز شهر بجنورد در دوره ۲۹ ساله منتهی به ابتدای سال ۲۰۱۹ روی داده اند، استفاده شد. نتایج حاصل از مدل فرکانسی، علاوه بر انطباق خوب با قانون گوتنبرگ-ریشتر، جزئیات کامل تری از فرکانس های زلزله در این منطقه برای بزرگی های مختلف را در اختیار قرار می دهد. نتایج این مطالعه نشان دهنده همبستگی بالا با ضریب همبستگی ۹۳۷/۰ بین فرکانس های رویداد زلزله با فرکانس های جزر و مد ماه و خورشید است. مدل فرکانسی نشان می دهد که دوره های ۲، ۶ و ۱۰ ماه، یک سال و ۲۵ سال جزء اصلی ترین دوره های بازگشت زلزله در این منطقه می باشد.
کلیدواژه ها:
نویسندگان
سید قاسم رستمی
عضو هیات علمی/ دانشگاه بجنورد، دانشکده فنی و مهندسی، گروه مهندسی نقشه برداری
علی اکبر یحیی آبادی
عضو هیات علمی/ دانشگاه بجنورد، دانشکده فنی و مهندسی، گروه مهندسی عمران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :